OpenAI bringt sprachgesteuerte Agentenfunktionen in die ChatGPT-App

OpenAI begann am Mittwoch mit der Einführung einer Reihe von Upgrades für ChatGPT Voice, die die Sprachschnittstelle mit GPT-6-Modellen, Drittanbieter-Plugins und dem agentenbasierten Arbeitsmodus des Unternehmens auf Mobilgeräten und im Web verbinden. Dieser Schritt macht Sprachkonversationen zu einer Schaltzentrale für mehrstufige Aufgaben wie das Entwerfen von Dokumenten, das Verwalten von Kalendern und das Surfen im Internet.

Sprache trifft auf agentenbasiertes Arbeiten

Das Update verbindet das Echtzeit-Sprachmodell von OpenAI, GPT-Live, mit KI-Modellen, die Browser und verbundene Apps steuern können, und erweitert damit Funktionen, die zuvor auf die Desktop-App beschränkt waren. Plus- und Pro-Abonnenten können nun per Spracheingabe auf ihren Telefonen Workflows im Arbeits-Tab auslösen, darunter das Erstellen von Präsentationen, das Zusammenfassen von Slack-Nachrichten und das Entwerfen von E-Mails.techcrunch+1

In einer Demonstration für Business Insider nutzte Atty Eleti, Produktleiter für ChatGPT Voice, ausschließlich Sprache, um seine DoorDash-Ausgaben zu analysieren, einen Pickleball-Platz zu buchen und seinen Kalender neu zu organisieren. "Wir stellen uns vor, dass Menschen in Zukunft Sprache als primäre Modalität für die Interaktion mit KI nutzen werden", sagte Eleti.businessinsider

ChatGPT Voice kann nun auch von OpenAIs drei GPT-6-Modellen angetrieben werden: Astra, dem leistungsfähigsten, sowie den kleineren Modellen Sol und Luna, die am Tag zuvor auf GPT-6 aktualisiert wurden. Plugin-Unterstützung für E-Mail, Kalender und Slack Salesforce, Inc. ↗ 1.84% wurde ebenfalls für die Sprachfunktion hinzugefügt, was laut 9to5Mac "eine große Lücke" für Nutzer schließt, die zuvor auf Text umschalten mussten, um verbundene Dienste zu erreichen.9to5mac

Balance zwischen Sprache und Bildschirm

OpenAI gab an, dass Sprachkonversationen nun reichhaltigere Textausgaben erzeugen werden und Nutzer mitten im Gespräch zwischen Sprache und Text wechseln oder eine Aufgabe auf dem Mobilgerät starten und auf dem Desktop fortsetzen können. Laut Eleti nutzen bereits mehr als 150 Millionen Menschen die Diktier- und Sprachwerkzeuge von ChatGPT.techcrunch+1

Das Design spiegelt einen bewussten Kompromiss wider. "Wir betrachten das nicht nur als reine Spracheingabe und Sprachausgabe", sagte Eleti gegenüber Business Insider. "Es geht um Spracheingabe und dann die richtige Ausgabe zurück. Manchmal ist es Text, manchmal ist es Sprache, manchmal ist es eine Mischung."businessinsider

Ein hartes Rennen um den KI-Assistenten

Der Start erfolgt zu einer Zeit, in der persönliche KI-Assistenten im Silicon Valley an Dynamik gewinnen, wobei Konkurrenten wie Metas ↗ 1.02% Muse und das Startup Instinct um Nutzer buhlen. OpenAI hat im Vorfeld seines DevDay-Events in der nächsten Woche eine Reihe von Produktveröffentlichungen herausgegeben. Bloomberg berichtete zudem, dass das Unternehmen einen intelligenten Lautsprecher für eine Veröffentlichung im Jahr 2027 entwickelt, was seinen Investitionen in Sprachsteuerung eine langfristige Hardware-Dimension verleiht.businessinsider

Nicht alle Funktionen sind universell verfügbar. Der Zugriff auf GPT-6-Modelle und Arbeitsfunktionen hängt vom Abonnement-Tarif und den Workspace-Einstellungen ab, und die Einführung erfolgt schrittweise. Unterdessen hat die wachsende Trennung zwischen den Chat- und Arbeitsmodi von ChatGPT – wobei GPT-6 nur in letzterem verfügbar ist – eine Ebene der Komplexität hinzugefügt, die einige Nutzer noch zu durchschauen versuchen.techradar+1